CN110765931A - 检测秸秆覆盖率的方法、装置、存储介质和农机 - Google Patents
检测秸秆覆盖率的方法、装置、存储介质和农机 Download PDFInfo
- Publication number
- CN110765931A CN110765931A CN201911004450.7A CN201911004450A CN110765931A CN 110765931 A CN110765931 A CN 110765931A CN 201911004450 A CN201911004450 A CN 201911004450A CN 110765931 A CN110765931 A CN 110765931A
- Authority
- CN
- China
- Prior art keywords
- land
- camera
- image
- straw
- gis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种检测秸秆覆盖率的方法、装置、计算机可读存储介质和农机。应用本申请提供的方法,在农机行驶过程中,根据农机上的摄像头视角内的地块的地理位置信息,控制所述摄像头拍摄作业地块的图像,使得所述作业地块的图像覆盖所述作业地块;根据所述作业地块的图像,检测所述作业地块的秸秆覆盖率。本申请根据图像中的地块的地理位置信息,使得所拍摄的图像覆盖整个作业地块,从而能够提高作业地块的秸秆覆盖率检测的准确性。
Description
技术领域
本申请涉及农业领域,并且更具体地,涉及一种检测秸秆覆盖率的方法、装置、计算机可读存储介质和农机。
背景技术
在农业领域,经常需要检测作业地块的秸秆覆盖率。例如,随着免耕播种在农业耕作中应用广泛,秸秆覆盖率的检测成为免耕播种作业过程中的一项关键技术。
为了检测作业地块的秸秆覆盖率,一般会利用农机上的摄像头在农机行驶过程中拍摄图像。但是,传统技术中,图像的拍摄无规则,导致拍摄到的图像所覆盖的地块之间可能存在间隔,致使不能准确地反映出作业地块的秸秆覆盖情况。
发明内容
本申请提供一种检测秸秆覆盖率的方法、装置、计算机可读存储介质和农机,能够提高作业地块的秸秆覆盖率检测的准确性。
第一方面,提供了一种检测秸秆覆盖率的方法,该方法包括:在农机行驶过程中,根据农机上的摄像头视角内的地块的地理位置信息,控制该摄像头拍摄作业地块的图像,使得该作业地块的图像覆盖该作业地块;根据该作业地块的图像,检测该作业地块的秸秆覆盖率。
该技术方案利用摄像头视角内的地块的地理位置信息控制作业地块的图像的拍摄,能够确保拍摄到的作业地块的图像覆盖整个作业地块,因此能够提高作业地块的秸秆覆盖率检测的准确性。
结合第一方面,在第一方面的一些实现方式中,根据农机上的摄像头视角内的地块的地理位置信息,控制该摄像头拍摄作业地块的图像,包括:根据该摄像头视角内的地块的地理位置信息以及已拍摄图像中的地块的地理位置信息,控制该摄像头拍摄下一张图像,使得该下一张图像中的地块与该已拍摄图像中的地块在地理位置上相邻或重叠。
可选地,摄像头拍摄的多张图像中的地块之间在地理位置上可以是全部相邻的,也可以是全部重叠的,还可以是部分相邻部分重叠的。
该技术方案根据已拍摄图像的地理位置信息,控制下一张图像的拍摄,使得相邻两张拍摄的图像中的地块在地理位置上相邻或重叠,可保证农机在作业过程中,高效地采集整个作业地块的图像,避免出现地块遗漏的情况。
结合第一方面,在第一方面的某一些实现方式中,根据农机上的摄像头视角内的地块的地理位置信息,控制该摄像头拍摄作业地块的图像之前,该方法还包括:根据该摄像头的安装位置和角度,确定该摄像头捕捉到的有效区域,该有效区域为该摄像头视角内的地块所在的区域;根据该农机上的定位器,将该有效区域的地理位置信息确定为该摄像头视角内的地块的地理位置信息。
该技术方案根据农机上摄像头的质量和安装参数可预先设定好摄像头捕捉的有效区域,可使拍摄的图像具有固定的有效区域大小,便于快速寻找到拍摄图像中的作业地块。
可选地,该有效区域可以是摄像头视角内的全部作业地块,也可以是摄像头视角内的部分作业地块。
结合第一方面,在第一方面的一些实现方式中,该摄像头视角内的地理位置信息为地理信息系统(global information system,GIS)网格。
结合第一方面,在第一方面的一些实现方式中,该作业地块的图像包括不同时刻拍摄的多张图像,该摄像头拍摄的控制使得该多张图像中的重叠区域为N个GIS网格,N为正整数。
在该技术方案中,当多张图像重叠整数倍的GIS网格时,有利于提高每个网格内对应的图像的秸秆覆盖率检测的准确性。
结合第一方面,在第一方面的一些实现方式中,N=1。
结合第一方面,在第一方面的一些实现方式中,该定位器与该摄像头安装在该农机的同一位置。
结合第一方面,在第一方面的一些实现方式中,该方法还包括:生成该作业地块的GIS网格与该作业地块的图像的对应关系;根据该作业地块的图像,检测该作业地块的秸秆覆盖率,包括:从该作业地块的图像中选取该作业地块的GIS网格对应的图像;识别该作业地块的GIS网格对应的图像的秸秆覆盖率,以得到该作业地块的秸秆覆盖率。
摄像头拍摄的图像的作业地块所对应的地理位置信息可能会划分成多个GIS网格,每个GIS网格对应一个图像区域,对每个GIS网格对应的图像进行秸秆覆盖率检测,能够提高该作业地块的秸秆覆盖率检测的准确性。
结合第一方面,在第一方面的一些实现方式中,识别该作业地块的GIS网格对应的图像的秸秆覆盖率,包括:当该作业地块的一个GIS网格对应多个图像时,保留其中一个图像的识别结果。
由于图像对应的地理位置之间可能会有重叠,当识别地块的秸秆覆盖率时,一个GIS网格可能会对应多个图像,在这种情况下,仅保留其中一个图像的识别结果,比如,保留第一次识别的结果,有利于减小系统的计算开销。
结合第一方面,在第一方面的一些实现方式中,该作业地块的GIS网格对应的图像的秸秆覆盖率是通过预先训练的神经网络模型计算得到的,该神经网络模型的输出包括以下类型中的至少一种:无秸秆、少量秸秆、中量秸秆和大量秸秆。
该技术方案不仅可以提高作业地块的秸秆覆盖率检测的准确性还可以获知作业地块的秸秆覆盖质量。
第二方面,提供了一种检测秸秆覆盖率的装置,该装置包括:控制模块,用于在农机行驶过程中,根据农机上的摄像头视角内的地块的地理位置信息,控制该摄像头拍摄作业地块的图像,使得该作业地块的图像覆盖该作业地块;检测模块,用于根据该作业地块的图像,检测该作业地块的秸秆覆盖率。
该技术方案利用摄像头视角内的地块的地理位置信息控制作业地块的图像的拍摄,能够确保拍摄到的作业地块的图像覆盖整个作业地块,因此能够提高作业地块的秸秆覆盖率检测的准确性。
结合第二方面,在第二方面的一些实现方式中,该控制模块具体用于根据该摄像头视角内的地块的地理位置信息以及已拍摄图像中的地块的地理位置信息,控制该摄像头拍摄下一张图像,使得下一张图像中的地块与该已拍摄图像中的地块在地理位置上相邻或重叠。
可选地,摄像头拍摄的多张图像中的地块之间在地理位置上可以是全部相邻的,也可以是全部重叠的,还可以是部分相邻部分重叠的。
该技术方案根据已拍摄图像的地理位置信息,控制下一张图像的拍摄,使得相邻两张拍摄的图像中的地块在地理位置上相邻或重叠,可保证农机在作业过程中,高效地采集整个作业地块的图像,避免出现地块遗漏的情况。
结合第二方面,在第二方面的一些实现方式中,该装置还包括:第一确定模块,用于根据该摄像头的安装位置和角度,确定该摄像头捕捉到的有效区域,该有效区域为该摄像头视角内的地块所在的区域;第二确定模块,用于根据该农机上的定位器,将该有效区域的地理位置信息确定为该摄像头视角内的地块的地理位置信息。
该技术方案根据农机上摄像头的质量和安装参数可预先设定好摄像头捕捉的有效区域,可使拍摄的图像具有固定的有效区域大小,便于快速寻找到拍摄图像中的作业地块。
可选地,该有效区域可以是摄像头视角内的全部作业地块,也可以是摄像头视角内的部分作业地块。
结合第二方面,在第二方面的一些实现方式中,该摄像头视角内的地理位置信息为GIS网格。
结合第二方面,在第二方面的一些实现方式中,该作业地块的图像包括不同时刻拍摄的多张图像,该摄像头拍摄的控制使得该多张图像中的重叠区域为N个GIS网格,N为正整数。
当多张图像重叠整数倍的GIS网格时,有利于提高每个网格内对应的图像的秸秆覆盖率检测的准确性。
结合第二方面,在第二方面的一些实现方式中,N=1。
结合第二方面,在第二方面的一些实现方式中,该定位器与该摄像头安装在该农机的同一位置。
结合第二方面,在第二方面的一些实现方式中,该装置还包括:生成模块,用于生成该作业地块的GIS网格与该作业地块的图像的对应关系;该检测模块具体用于从该作业地块的图像中选取该作业地块的GIS网格对应的图像;识别该作业地块的GIS网格对应的图像的秸秆覆盖率,以得到该作业地块的秸秆覆盖率。
摄像头拍摄的图像的作业地块所对应的地理位置信息可能会划分成多个GIS网格,每个GIS网格对应一个图像区域,对每个GIS网格对应的图像进行秸秆覆盖率检测,能够提高该作业地块的秸秆覆盖率检测的准确性。
结合第二方面,在第二方面的一些实现方式中,该检测模块具体用于当该作业地块的一个GIS网格对应多个图像时,保留其中一个图像的识别结果。
由于图像对应的地理位置之间可能会有重叠,当识别地块的秸秆覆盖率时,一个GIS网格可能会对应多个图像,在这种情况下,仅保留其中一个图像的识别结果,比如,保留第一次识别的结果,有利于减小系统的计算开销。
结合第二方面,在第二方面的一些实现方式中,该作业地块的GIS网格对应的图像的秸秆覆盖率是通过预先训练的神经网络模型计算得到的,该神经网络模型的输出包括以下类型中的至少一种:无秸秆、少量秸秆、中量秸秆和大量秸秆。上述技术方案不仅可以提高作业地块的秸秆覆盖率检测的准确性还可以获知作业地块的秸秆覆盖质量。
第三方面,提供了一种计算机可读存储介质,包括计算机程序,当其在计算机设备上运行时,使得所述计算机设备中的处理单元执行如第一方面所述的方法。
第四方面,提供了一种计算机程序产品,包括计算机程序,当其在计算机设备上运行时,使得所述计算机设备中的处理单元执行如第一方面所述的方法。
第五方面,提供了一种农机,包括摄像头,用于拍摄作业地块的图像;处理器,用于控制该摄像头并执行如第一方面所述的方法。
附图说明
图1是本申请实施例的应用场景的示例图。
图2是本申请实施例的检测秸秆覆盖率的方法的示意性流程图。
图3是本申请实施例的图像重叠的示意图。
图4是本申请实施例的有效区域的示意图。
图5是本申请实施例的GIS网格的示意图。
图6是本申请实施例图像重叠整数倍个GIS网格的示意图。
图7是本申请实施例的识别秸秆覆盖率的示意图。
图8是本申请实施例的检测秸秆覆盖率的装置的示意图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
本申请实施例可以应用在免耕播种作业中,检测作业地块的表面覆盖物的覆盖率,例如,秸秆覆盖率检测。
图1是本申请实施例提供的技术方案的应用场景的示例图。如图1所示,该应用场景中可以包括至少一个农机110和一个摄像头120。在农机110作业行驶过程中,摄像头120采集作业地块的图像,根据采集到的作业地块的图像计算作业地块的秸秆覆盖率。
农机110在行驶过程中,一般会利用农机上的摄像头120抓拍若干张图像,然后通过神经网络等图像识别技术检测图像中是否包含秸秆,以其中有秸秆覆盖的图片比例近似为整体作业地块的秸秆覆盖率。由于摄像头120随机抓拍,很难准确地掌握抓拍时机,导致抓拍的多张图像对应的地块之间存在间隙,图像不能完整覆盖作业地块,致使最终计算的作业地块的秸秆覆盖率不准确。
本申请实施例根据摄像头拍摄的图像对应地块的地理位置信息控制摄像头拍摄图像,使得拍摄的多张图像覆盖作业地块,根据覆盖作业地块的图像能够提高作业地块的秸秆覆盖率检测的准确性。
下面将结合图2详细描述本申请的检测秸秆覆盖率的方法。
图2是本申请实施例的检测秸秆覆盖率的方法的示意性流程图。如图2所示,该方法200包括:
S210,在农机行驶过程中,根据农机上的摄像头视角内的地块的地理位置信息,控制该摄像头拍摄作业地块的图像。
可选地,利用该摄像头拍摄得到的作业地块的多张图像可以覆盖整个作业地块;该多张图像还可以部分覆盖作业地块,例如,该多张图像可以覆盖作业地块中的秸秆区域。
本申请实施例对获取摄像头视角内的地块的地理位置信息的方式不做具体限定。作为一个示例,该地理位置信息可以通过定位器获取,该定位器可以与摄像头安装在同一位置;该地理位置信息还可以通过控制农机的地面站或其他方式获取。
应理解,在本申请实施例中,该定位器可以是全球定位系统(global positioningsystem,GPS)、北斗卫星导航系统(beidou navigation satellite system,BDS)、格洛纳斯卫星导航系统(global navigation satellite system,GLONASS)和伽利略卫星定位系统(galileo satellite navigation system,Galileo)中的至少一种,本申请实施例对此不做具体限定。
本申请实施例对控制摄像头拍摄图像的控制方式不做具体限定。作为一个实施例,可以根据该摄像头视角内的地块的地理位置信息以及已拍摄图像中的地块的地理位置信息,控制该摄像头拍摄下一张图像,使得该下一张图像中的地块与该已拍摄图像中的地块在地理位置上相邻或重叠。下文会结合实施例对该实施例进行详细地举例说明,此处暂不详述。
作为另一个实施例,也可以先利用摄像头随机拍摄图像,如果随机拍摄到的图像中的地块存在间隙区域,则可以根据摄像头视角内的地块的地理位置信息控制农机的运动,使得农机运动至该间隙区域附近,从而对该间隙区域进行补拍。
作为一个示例,地块的地理位置信息可以是地块的GIS信息,例如可以是地块的GIS网格,下文将结合实施例对该GIS网格进行举例说明,此处暂不详述。本申请实施例提及的地块的地理位置信息还可以是地块所在区域的经纬度信息,根据摄像头视角内的地块的经纬度信息控制该摄像头的拍摄,使得拍摄的多张图像覆盖作业区域,该地理位置信息还可以是其他可以表示地理位置的信息。
作业地块的图像可以包括不同时刻拍摄的多张图像。该多张图像中的地块在地理位置上可以相邻,也可以重叠,本申请实施例对此并不限定。
S220,根据该作业地块的图像,检测该作业地块的秸秆覆盖率。
本申请实施例利用摄像头视角内的地块的地理位置信息控制作业地块的图像的拍摄,能够确保拍摄到的作业地块的图像覆盖整个作业地块,因此能够提高作业地块的秸秆覆盖率检测的准确性。
作为一个实施例,生成该作业地块的GIS网格与该作业地块的图像的对应关系,根据该作业地块的图像,检测该作业地块的秸秆覆盖率,包括:从该作业地块的图像中选取该作业地块的GIS网格一一对应的图像;识别该作业地块的每个GIS网格对应的图像的秸秆覆盖率,综合所有的图像的秸秆覆盖率得到该作业地块的整体秸秆覆盖率。
可选地,当该作业地块的一个GIS网格对应有多个图像时,可以保留其中一个图像的识别结果。例如,保留第一次识别的结果,又如,保留最后一次识别的结果。
作为另一个实施例,该作业地块的GIS网格对应的图像的秸秆覆盖率可以是通过预先训练的神经网络模型计算得到的,该神经网络模型的输出包括以下类型中的至少一种:无秸秆、少量秸秆、中量秸秆和大量秸秆。
本申请实施例根据图像的地理位置信息,使得所拍摄的图像能够覆盖整个作业地块。该方案能够获知每张图像中的地块的地理位置信息,因此能够提高作业地块的秸秆覆盖率检测的准确性。
图3是本申请实施例的图像重叠的示意图。如图3所示,农机在作业过程中,根据已拍摄图像中的地块的地理位置信息,控制该摄像头拍摄下一张图像。作为一个示例,图像一为已拍摄图像的区域,农机在作业过程中,根据图像一中的地块的地理位置信息,控制摄像头的拍摄,使得所拍摄的下一张图像(图像二)中的地块与该图像一中的地块在地理位置上重叠部分区域。重复上述拍摄过程,可保证农机在作业过程中,高效地采集整个作业地块的图像,避免了拍摄的图像中的地块出现部分遗漏的同时提高了系统的效率。
作为另一个示例,图像一为已拍摄图像的区域,农机在作业过程中,根据图像一中的地块的地理位置信息,控制摄像头的拍摄,使得所拍摄的下一张图像(图像二)中的地块与该图像一中的地块在地理位置上相邻,即重叠区域为零。重复上述拍摄过程,使得所拍摄到的多张图像能够覆盖整个作业地块,避免了拍摄的图像中的地块出现部分遗漏的同时提高了系统的效率。
可选地,农机在作业过程中,摄像头随机拍摄图像,根据拍摄得到的图像中的地块的地理位置信息,对遗漏的地块进行补拍,使得所拍摄到的多张图像能够覆盖整个作业地块,避免了拍摄的图像中的地块出现部分遗漏。
可选地,设备在农机作业过程中实时计算图像二中地块的地理位置信息,并与已拍摄区域的图像一中的地块的地理位置信息做比对,使得拍摄的图像二中的地块与已拍摄的图像一中的地块在地理位置上重叠部分区域。
可选地,设备在农机作业过程中实时计算图像二的地理位置信息,并与已拍摄区域的图像一中的地块的地理位置信息做比对,使得拍摄的图像二中的地块与已拍摄的图像一中的地块在地理位置上相邻。
可选地,根据农机作业过程中的行驶速度、摄像头安装位置及角度控制摄像头进行下一张图像的拍摄,使得拍摄的图像二中的地块与已拍摄的图像一中的地块在地理位置上重叠部分区域。
可选地,根据农机作业过程中的行驶速度、摄像头安装位置及角度控制摄像头进行下一张图像的拍摄,使得拍摄的图像二中的地块与已拍摄的图像一中的地块在地理位置上相邻。
本申请实施例中拍摄的多张图像能够覆盖整个作业地块,避免了拍摄的图像中的地块出现部分遗漏。
图4是本申请实施例的有效区域的示意图。如图4所示,作为一个示例,根据摄像头的安装位置及角度去除该摄像头视角内的无效区域比如天空、农具、视角两侧和远处不清晰的部分,从而得到该摄像头视角内捕捉到的有效区域,根据该农机上的定位器,将该有效区域的地理位置信息确定为该摄像头视角内的地块的地理位置信息。
可选地,该有效区域可以是摄像头视角内的全部作业地块,也可以是摄像头视角内的部分作业地块。
可选地,该有效区域可以是根据摄像头安装高度、拍摄角度和水平广角预先设定好的。
本申请实施例能够保证每次拍摄图像的有效区域具有相同的大小,能使设备快速的识别作业地块。
图5是本申请实施例的GIS网格的示意图。如图5所示,作为一个示例,将摄像头视角内的有效区域的图像生成图像对应的平面坐标,根据拍摄要求和角度将该图像对应的平面坐标划分成若干固定大小的网格,比如九个,再根据摄像头处的定位器可分别获取各个图像网格对应地块的地理位置信息,比如每个图像网格的顶点坐标,然后将该图像网格映射成一一对应的GIS网格。
可选地,该网格也可以是非固定大小的,例如可以是按照某种规则生成的。
本申请实施例中生成了图像网格与GIS网格一一对应的关系,可获知有效区域内每个图像网格对应的地块的地理位置信息,从而有利于提高作业地块的秸秆覆盖率检测的准确性。
可选地,该定位器可以是GPS、BDS、GLONASS和Galileo中的至少一种,本申请实施例对此不做具体限定。
可选地,将该摄像头视角内的有效区域对应的地块划分成若干固定大小的网格,结合农机上的定位器,将该网格直接映射成GIS网格。
可选地,该网格也可以是非固定大小的,例如可以是按照某种规则生成的。
图6是本申请实施例的图像重叠整数倍个GIS网格的示意图。如图6所示,作为一个示例,摄像头视角内的有效区域被划分为9个网格,图像一为已拍摄图像,将图像一中对应的地块的地理位置信息记录为当前GIS网格信息,在农机运行过程中,设备实时计算下一张拍摄图像区域对应地块的GIS网格信息,并与当前记录的GIS网格信息作对比,当该实时GIS网格信息与当前记录的GIS网格信息重叠区域为N行时,摄像头进行图像拍摄得到图像二,N为正整数,然后将该实时GIS网格信息更新为当前记录的GIS网格信息,重复以上步骤进行下一张图像的拍摄,直至完成整个作业地块的图像拍摄。
本申请实施例中,当摄像头拍摄的图像中的地块重叠整数倍个GIS网格时,简便了重叠区域对应图像的秸秆覆盖率检测。
图中便于理解,仅示出了两张图像重叠1行GIS网格的情况。应理解,根据网格划分的多少及拍摄要求等,可以设定不同的GIS网格重叠情况,比如,重叠的GIS网格可以不是整数,又如,拍摄的多张图像之间的重叠区域可以不是相同的,如根据实际作业情况第一次重叠区域为1行GIS网格,第二次重叠区域为2行GIS网格,本申请实施例对此不做具体限定。
作为另一个示例,图像一为已拍摄图像,将图像一中对应的地块的地理位置信息记录为当前GIS网格信息,在农机运行过程中,设备实时计算下一张拍摄图像区域对应地块的GIS网格信息,并与当前记录的GIS网格信息作对比,当该实时GIS网格信息与当前记录的GIS网格信息重叠区域为0时,摄像头进行图像拍摄得到图像二,即两张图像中的地块在地理位上相邻,然后将该实时GIS网格信息更新为当前记录的GIS网格信息,重复以上步骤进行下一张图像的拍摄,直至完成整个作业地块的图像拍摄。
应理解,在实际作业过程中,摄像头拍摄的多张图像中的地块之间在地理位置上可以是全部相邻的,也可以是全部重叠的,还可以是部分相邻部分重叠的,本申请实施例对此不做具体限定。
图7是本申请实施例的识别秸秆覆盖率的示意图。如图7所示,作为一个示例,作业地块由四张图像组成,每张图像划分为9个网格大小,通过预先训练好的神经网络模型计算作业地块中每个GIS网格对应图像的秸秆覆盖率,该神经网络模型的输出包含无秸秆、少量秸秆、中量秸秆和大量秸秆中的至少一种,综合所有GIS网格对应图像的识别结果,从而不仅可以提高作业地块的秸秆覆盖率检测的准确性,还可以获知作业地块的秸秆覆盖质量。
可选地,该神经网络模型输出结果的秸秆覆盖率包括:0<无秸秆≤10%,10%<少量秸秆≤45%,45%<中量秸秆≤75%,75%<大量秸秆。应理解,上述仅是本申请实施例的秸秆覆盖率的其中一个划分方法,还可以有其他的划分方式。
可选地,当重叠区域的一个GIS网格对应多张图像时,取其中一次的识别结果,比如取第一次的识别结果,又如,取最后一次的识别结果,上述方案可以减小系统的计算开销。当重叠区域的一个GIS网格对应多张图像时,还可以综合该多张图像的识别结果,取其中出现最多次数的识别结果作为该GIS网格的秸秆覆盖率,上述方案可进一步提高重叠区域秸秆覆盖率检测的准确性。
该神经网络模型可以是机器学习模型如随机森林、人工神经网络、贝叶斯学习等或深度学习模型如卷积神经网络、深度置信网络、循环神经网络、堆栈自编码网络模型中的至少一种。
图8是本申请实施例的检测秸秆覆盖率的装置的示意图。如图8所示,该装置800包括控制模块810和检测模块820。控制模块810主要用于在农机行驶过程中,根据农机上的摄像头视角内的地块的地理位置信息,控制该摄像头拍摄作业地块的图像,使得该作业地块的图像覆盖该作业地块;检测模块820主要用于根据该作业地块的图像,检测该作业地块的秸秆覆盖率。
可选地,作为一个实施例,该控制模块810用于根据该摄像头视角内的地块的地理位置信息以及已拍摄图像中的地块的地理位置信息,控制该摄像头拍摄下一张图像,使得下一张图像中的地块与该已拍摄图像中的地块在地理位置上相邻或重叠。
可选地,作为一个实施例,该控制模块810还用于根据摄像头的安装位置和角度,确定该摄像头捕捉到的有效区域,该有效区域为摄像头视角内的地块所在的区域;根据农机上的定位器,将该有效区域的地理位置信息确定为该摄像头视角内的地块的地理位置信息。
可选地,作为一个实施例,该摄像头视角内的地理位置信息为GIS网格。
可选地,作为一个实施例,该作业地块的图像包括不同时刻拍摄的多张图像,该摄像头拍摄的控制使得该多张图像中的重叠区域为N个GIS网格,N为正整数。
可选地,作为一个实施例,N=1。
可选地,作为一个实施例,该定位器与该摄像头安装在农机的同一位置。
可选地,作为一个实施例,该控制模块810还用于生成该作业地块的GIS网格与该作业地块的图像的对应关系;检测模块820具体用于从该作业地块的图像中选取该作业地块的GIS网格对应的图像;识别该作业地块的GIS网格对应的图像的秸秆覆盖率,以得到该作业地块的秸秆覆盖率。
可选地,作为一个实施例,该检测模块820还用于当该作业地块的一个GIS网格对应多个图像时,保留其中一个图像的识别结果。
可选地,作为一个实施例,该作业地块的GIS网格对应的图像的秸秆覆盖率是通过预先训练的神经网络模型计算得到的,该神经网络模型的输出包括以下类型中的至少一种:无秸秆、少量秸秆、中量秸秆和大量秸秆。
应理解,该装置实施例仅仅是示意性的,上述模块的划分,仅仅是一种逻辑功能划分,实际实现时可以有另外的划分方式。
本申请还提供一种农机,该农机至少包括:摄像头,用于拍摄作业地块的图像;处理器,用于控制该摄像头并执行本申请的技术方案或部分技术方案。
该定位器可以与摄像头安装在同一位置;该定位器还可以嵌入摄像头中,作为摄像头的一个部分;该定位器还可以安装在农机的其他位置。
应理解,在本申请实施例中,该定位器可以是GPS、BDS、GLONASS和Galileo中的至少一种,本申请实施例对此不做具体限定。
可选地,作为一个实施例,该处理器用于根据该摄像头视角内的地块的地理位置信息以及已拍摄图像中的地块的地理位置信息,控制该摄像头拍摄下一张图像,使得下一张图像中的地块与该已拍摄图像中的地块在地理位置上相邻或重叠。
可选地,作为一个实施例,该控制模块810还用于根据摄像头的安装位置和角度,确定该摄像头捕捉到的有效区域,该有效区域为摄像头视角内的地块所在的区域;根据农机上的定位器,将该有效区域的地理位置信息确定为该摄像头视角内的地块的地理位置信息。
可选地,作为一个实施例,该摄像头视角内的地理位置信息为GIS网格。
可选地,作为一个实施例,该作业地块的图像包括不同时刻拍摄的多张图像,该摄像头拍摄的控制使得该多张图像中的重叠区域为N个GIS网格,N为正整数。
可选地,作为一个实施例,N=1。
可选地,作为一个实施例,该定位器与该摄像头安装在农机的同一位置。
可选地,作为一个实施例,该处理器还用于生成该作业地块的GIS网格与该作业地块的图像的对应关系;根据该作业地块的图像,检测该作业地块的秸秆覆盖率,包括:从该作业地块的图像中选取该作业地块的GIS网格对应的图像;识别该作业地块的GIS网格对应的图像的秸秆覆盖率,以得到该作业地块的秸秆覆盖率。
可选地,作为一个实施例,该处理器还用于当该作业地块的一个GIS网格对应多个图像时,保留其中一个图像的识别结果。
可选地,作为一个实施例,该作业地块的GIS网格对应的图像的秸秆覆盖率是通过预先训练的神经网络模型计算得到的,该神经网络模型的输出包括以下类型中的至少一种:无秸秆、少量秸秆、中量秸秆和大量秸秆。
本申请实施例中的方法,如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在计算机可读存储介质中,基于这样的理解,本申请的技术方案或技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。该存储介质至少包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (22)
1.一种检测秸秆覆盖率的方法,其特征在于,包括:
在农机行驶过程中,根据农机上的摄像头视角内的地块的地理位置信息,控制所述摄像头拍摄作业地块的图像,使得所述作业地块的图像覆盖所述作业地块;
根据所述作业地块的图像,检测所述作业地块的秸秆覆盖率。
2.根据权利要求1所述的方法,其特征在于,所述根据农机上的摄像头视角内的地块的地理位置信息,控制所述摄像头拍摄作业地块的图像,包括:
根据所述摄像头视角内的地块的地理位置信息以及已拍摄图像中的地块的地理位置信息,控制所述摄像头拍摄下一张图像,使得所述下一张图像中的地块与所述已拍摄图像中的地块在地理位置上相邻或重叠。
3.根据权利要求1或2所述的方法,其特征在于,所述根据农机上的摄像头视角内的地块的地理位置信息,控制所述摄像头拍摄作业地块的图像之前,所述方法还包括:
根据所述摄像头的安装位置和角度,确定所述摄像头捕捉到的有效区域,所述有效区域为所述摄像头视角内的地块所在的区域;
根据所述农机上的定位器,将所述有效区域的地理位置信息确定为所述摄像头视角内的地块的地理位置信息。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述摄像头视角内的地理位置信息为地理信息系统GIS网格。
5.根据权利要求4所述的方法,其特征在于,所述作业地块的图像包括不同时刻拍摄的多张图像,所述摄像头拍摄的控制使得所述多张图像中的重叠区域为N个GIS网格,N为正整数。
6.根据权利要求5所述的方法,其特征在于,N=1。
7.根据权利要求4-6中任一项所述的方法,其特征在于,所述定位器与所述摄像头安装在所述农机的同一位置。
8.根据权利要求4-7中任一项所述的方法,其特征在于,所述方法还包括:
生成所述作业地块的GIS网格与所述作业地块的图像的对应关系;
根据所述作业地块的图像,检测所述作业地块的秸秆覆盖率,包括:
从所述作业地块的图像中选取所述作业地块的GIS网格对应的图像;
识别所述作业地块的GIS网格对应的图像的秸秆覆盖率,以得到所述作业地块的秸秆覆盖率。
9.根据权利要求8所述的方法,其特征在于,所述识别所述作业地块的GIS网格对应的图像的秸秆覆盖率,包括:
当所述作业地块的一个GIS网格对应多个图像时,保留其中一个图像的识别结果。
10.根据权利要求8或9所述的方法,其特征在于,所述作业地块的GIS网格对应的图像的秸秆覆盖率是通过预先训练的神经网络模型计算得到的,所述神经网络模型的输出包括以下类型中的至少一种:无秸秆、少量秸秆、中量秸秆和大量秸秆。
11.一种检测秸秆覆盖率的装置,其特征在于,包括:
控制模块,用于在农机行驶过程中,根据农机上的摄像头视角内的地块的地理位置信息,控制所述摄像头拍摄作业地块的图像,使得所述作业地块的图像覆盖所述作业地块;
检测模块,用于根据所述作业地块的图像,检测所述作业地块的秸秆覆盖率。
12.根据权利要求11所述的装置,其特征在于,所述控制模块具体用于根据所述摄像头视角内的地块的地理位置信息以及已拍摄图像中的地块的地理位置信息,控制所述摄像头拍摄下一张图像,使得所述下一张图像中的地块与所述已拍摄图像中的地块在地理位置上相邻或重叠。
13.根据权利要求11或12所述的装置,其特征在于,所述装置还包括:
第一确定模块,用于根据所述摄像头的安装位置和角度,确定所述摄像头捕捉到的有效区域,所述有效区域为所述摄像头视角内的地块所在的区域;
第二确定模块,用于根据所述农机上的定位器,将所述有效区域的地理位置信息确定为所述摄像头视角内的地块的地理位置信息。
14.根据权利要求11-13中任一项所述的装置,其特征在于,所述摄像头视角内的地理位置信息为地理信息系统GIS网格。
15.根据权利要求14所述的装置,其特征在于,所述作业地块的图像包括不同时刻拍摄的多张图像,所述摄像头拍摄的控制使得所述多张图像中的重叠区域为N个GIS网格,N为正整数。
16.根据权利要求15所述的装置,其特征在于,N=1。
17.根据权利要求14-16中任一项所述的装置,其特征在于,所述定位器与所述摄像头安装在所述农机的同一位置。
18.根据权利要求14-17中任一项所述的装置,其特征在于,所述装置还包括:
生成模块,用于生成所述作业地块的GIS网格与所述作业地块的图像的对应关系;
所述检测模块具体用于从所述作业地块的图像中选取所述作业地块的GIS网格对应的图像;识别所述作业地块的GIS网格对应的图像的秸秆覆盖率,以得到所述作业地块的秸秆覆盖率。
19.根据权利要求18所述的装置,其特征在于,所述检测模块具体用于当所述作业地块的一个GIS网格对应多个图像时,保留其中一个图像的识别结果。
20.根据权利要求18或19所述的装置,其特征在于,所述作业地块的GIS网格对应的图像的秸秆覆盖率是通过预先训练的神经网络模型计算得到的,所述神经网络模型的输出包括以下类型中的至少一种:无秸秆、少量秸秆、中量秸秆和大量秸秆。
21.一种计算机可读存储介质,其特征在于,包括计算机程序,当其在计算机设备上运行时,使得所述计算机设备中的处理单元执行如权利要求1-10中任一项所述的方法。
22.一种农机,其特征在于,包括:
摄像头,用于拍摄作业地块的图像;
处理器,用于控制所述摄像头并执行如权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911004450.7A CN110765931A (zh) | 2019-10-22 | 2019-10-22 | 检测秸秆覆盖率的方法、装置、存储介质和农机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911004450.7A CN110765931A (zh) | 2019-10-22 | 2019-10-22 | 检测秸秆覆盖率的方法、装置、存储介质和农机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110765931A true CN110765931A (zh) | 2020-02-07 |
Family
ID=69332752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911004450.7A Pending CN110765931A (zh) | 2019-10-22 | 2019-10-22 | 检测秸秆覆盖率的方法、装置、存储介质和农机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765931A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597934A (zh) * | 2020-12-29 | 2021-04-02 | 黑龙江惠达科技发展有限公司 | 图像目标检测在打包机面积计算中的应用 |
CN114742204A (zh) * | 2022-04-08 | 2022-07-12 | 黑龙江惠达科技发展有限公司 | 检测秸秆覆盖率的方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6947662B1 (en) * | 1999-10-22 | 2005-09-20 | Incorporated Administrative Agency National Agriculture And Bio-Oriented Research Organization | Picture mapping system |
CN104331686A (zh) * | 2014-10-28 | 2015-02-04 | 中国农业大学 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
CN106909898A (zh) * | 2017-02-24 | 2017-06-30 | 北京惠达智农科技有限公司 | 秸秆还田监测中的图像智能分析终端及方法 |
CN107172404A (zh) * | 2017-07-20 | 2017-09-15 | 清华大学深圳研究生院 | 一种无人机图像采集方法及系统 |
CN108536863A (zh) * | 2018-04-20 | 2018-09-14 | 曜宇航空科技(上海)有限公司 | 一种基于无人机的地图中选定区域更新方法及系统 |
CN109117811A (zh) * | 2018-08-24 | 2019-01-01 | 颜俊君 | 一种基于低空遥感测量技术估算城市植被覆盖率的系统及方法 |
CN109685835A (zh) * | 2018-12-28 | 2019-04-26 | 广东电网有限责任公司 | 一种海量卫星影像数据输电线路火点提取的方法和装置 |
-
2019
- 2019-10-22 CN CN201911004450.7A patent/CN110765931A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6947662B1 (en) * | 1999-10-22 | 2005-09-20 | Incorporated Administrative Agency National Agriculture And Bio-Oriented Research Organization | Picture mapping system |
CN104331686A (zh) * | 2014-10-28 | 2015-02-04 | 中国农业大学 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
CN106909898A (zh) * | 2017-02-24 | 2017-06-30 | 北京惠达智农科技有限公司 | 秸秆还田监测中的图像智能分析终端及方法 |
CN107172404A (zh) * | 2017-07-20 | 2017-09-15 | 清华大学深圳研究生院 | 一种无人机图像采集方法及系统 |
CN108536863A (zh) * | 2018-04-20 | 2018-09-14 | 曜宇航空科技(上海)有限公司 | 一种基于无人机的地图中选定区域更新方法及系统 |
CN109117811A (zh) * | 2018-08-24 | 2019-01-01 | 颜俊君 | 一种基于低空遥感测量技术估算城市植被覆盖率的系统及方法 |
CN109685835A (zh) * | 2018-12-28 | 2019-04-26 | 广东电网有限责任公司 | 一种海量卫星影像数据输电线路火点提取的方法和装置 |
Non-Patent Citations (2)
Title |
---|
李洪文等: "基于人工神经网络的田间秸秆覆盖率检测系统", 《农业机械学报》 * |
马洪涛等: "区域性秸秆覆盖率检测系统方案分析", 《科技风》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597934A (zh) * | 2020-12-29 | 2021-04-02 | 黑龙江惠达科技发展有限公司 | 图像目标检测在打包机面积计算中的应用 |
CN112597934B (zh) * | 2020-12-29 | 2024-04-12 | 黑龙江惠达科技发展有限公司 | 图像目标检测在打包机面积计算中的应用方法 |
CN114742204A (zh) * | 2022-04-08 | 2022-07-12 | 黑龙江惠达科技发展有限公司 | 检测秸秆覆盖率的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889327B (zh) | 一种基于热红外图像的水域周边排污口智能检测方法 | |
US20210385381A1 (en) | Image synthesis system | |
JPWO2008016153A1 (ja) | 災害対策支援方法 | |
US8682037B2 (en) | Method and system for thinning a point cloud | |
EP3620774B1 (en) | Method and apparatus for monitoring plant health state | |
CN110765931A (zh) | 检测秸秆覆盖率的方法、装置、存储介质和农机 | |
WO2022267693A1 (en) | System and method for super-resolution image processing in remote sensing | |
Dolloff et al. | An assessment of WorldView-1 positional accuracy based on fifty contiguous stereo pairs of imagery | |
CN111556157A (zh) | 农作物分布的监测方法、设备、存储介质及装置 | |
Moravec et al. | Digital elevation models as predictors of yield: comparison of an UAV and other elevation data sources. | |
CN116892944B (zh) | 农机导航线生成方法及装置、导航方法及装置 | |
JP2023174728A (ja) | 情報処理装置 | |
CN113415433A (zh) | 基于三维场景模型的吊舱姿态修正方法、装置和无人机 | |
CN111798422A (zh) | 棋盘格角点识别方法、装置、设备及存储介质 | |
CN115790610A (zh) | 一种无人机精准定位系统及方法 | |
EP2871611A2 (en) | Enhanced outlier removal for 8 point algorithm used in camera motion estimation | |
CN114827536A (zh) | 一种多目视频下的弃渣场水土保持实时监测方法、电子设备及存储介质 | |
CN114898054A (zh) | 一种视觉定位方法和系统 | |
CN114494896A (zh) | 一种用于耕地保护的耕地状态监测方法、设备及介质 | |
CN116917693A (zh) | 用于区域测绘的装置和方法 | |
CN111311103A (zh) | 一种基于夜光遥感数据的城市发展重心轨迹的获取方法 | |
JP7257770B2 (ja) | 情報処理装置 | |
JP2020060501A (ja) | 情報処理装置 | |
EP4345750A1 (en) | Position estimation system, position estimation method, and program | |
EP4300131A1 (en) | Automatic optimization of obstacle detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |
|
RJ01 | Rejection of invention patent application after publication |